买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网江西省电力有限公司电力科学研究院申请的专利基于区块链联邦学习的火电机组协同调频方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121192754B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511735772.4，技术领域涉及：H02J3/0014；该发明授权基于区块链联邦学习的火电机组协同调频方法及系统是由钱志永;何钧;徐教锋;鄢波;万俊松;周志雄设计研发完成，并于2025-11-25向国家知识产权局提交的专利申请。

本基于区块链联邦学习的火电机组协同调频方法及系统在说明书摘要公布了：本发明涉及电力系统调频控制技术领域，具体为基于区块链联邦学习的火电机组协同调频方法及系统。本发明通过区块链技术构建去中心化P2P网络，基于秘密共享机制初始化模型参数；采用自适应联邦近端优化算法进行本地训练，通过KL散度衡量数据异构性并动态调整正则系数；采用差分隐私对样本加噪，同态加密实现参数密态传输；基于区块链共识机制选取代表节点在加密域内执行参数聚合；通过模型预测控制实现多机组协同调频。本发明解决了数据隐私保护、异构数据适配及去中心化协同训练问题，提升了电网频率调控的稳定性。

本发明授权基于区块链联邦学习的火电机组协同调频方法及系统在权利要求书中公布了：1.基于区块链联邦学习的火电机组协同调频方法，其特征在于，包括： S100：以某区域内接入同一电网调度分区、且能够进行一次调频的火电机组为节点，基于区块链技术构建去中心化的点对点网络拓扑结构，节点间通过区块链分布式账本记录节点交互状态； S200：基于深度学习构建火电机组调频裕量评估模型，基于秘密共享机制生成全局一致的初始模型参数并通过区块链账本同步部署至各节点； S300：采用引入自适应联邦近端优化的去中心化并行随机梯度下降算法对各节点的裕量评估模型进行本地训练，通过KL散度衡量节点间的数据异构性，动态调整近端正则系数，得到各节点的本地优化参数； S400：采用差分隐私技术对各节点的本地样本集添加噪声，采用同态加密技术对各节点的本地优化参数进行加密处理； S500：基于区块链共识机制，结合各节点的数据量、模型精度及历史贡献度选取代表节点组，代表节点在加密域内对其邻居节点的加密参数进行加权聚合计算，得到全局聚合参数并同步更新各节点的裕量评估模型，迭代训练至收敛得到全局调频裕量评估模型； S600：各节点基于全局调频裕量评估模型输出实时调频裕量，结合电网频率偏差信号，通过模型预测控制对多机组进行协同调频优化控制； 所述基于秘密共享机制生成全局一致的初始模型参数包括： 基于深度学习构建的火电机组调频裕量评估模型，所述模型采用卷积门控循环单元神经网络架构，CNN层提取机组的局部瞬时特征，双向GRU层捕捉机组调频响应的时序依赖关系； 各节点通过区块链智能合约发起初始化请求，基于秘密共享机制将随机生成的初始模型参数拆分为多个分片分发至各节点，每个节点持有一个参数分片； 节点间通过加密通信交互参数分片，在本地执行参数聚合计算，生成全局一致的初始模型参数； 聚合后的初始模型参数经所有节点联合数字签名后写入区块链账本； 各节点从区块链账本获取初始模型参数，在本地边缘计算单元加载模型结构并完成模型部署； 所述通过KL散度衡量节点间的数据异构性，动态调整近端正则系数包括： 选取与调频裕量相关的火电机组运行特征数据计算概率分布，所述运行特征数据包括转速偏差、主蒸汽压力、再热蒸汽温度、调门开度、燃料流量、有功负荷、调频响应延迟、负荷变化率； 节点在本地训练中通过区块链获取邻居节点的加密特征分布统计信息，基于KL散度计算本地节点与邻居节点之间的数据特征分布差异； 本地训练时采用工况分层采样策略，按负荷率区间30%-50%、50%-70%、70%-100%分层抽取训练样本，每层样本占比与机组历史运行时间占比匹配，同时引入调频裕量预测误差的动态权重； 计算本地训练参数与上一轮全局聚合参数的范数偏差； 基于数据特征分布差异与范数偏差调整近端正则系数，在均方误差损失基础上引入正则项构建损失函数，执行参数更新得到本地优化参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网江西省电力有限公司电力科学研究院，其通讯地址为：330000 江西省南昌市青山湖区民营科技园内民强路88号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。